HDFS 全称为Hadoop Distributed File System,是 hadoop 分布式文件系统,具体来说,是指被设计成适合运行在通用硬件(commodity hardware)上的分布式文件系统(Distributed File System)。最主要的作用是作为 Hadoop 生态中各系统的存储服务。HDFS是Hadoop项目的核心子项目,为分布式计算中,数据存储管理的基础,HDFS是基于流数据模式访问和处理超大文件的需求被开发出来的,能够在廉价的商用服务器上运行。HDFS 具有高容错性、高可靠性、高可扩展性、高获得性、高吞吐率等特征,这些特征使得HDFS为海量数据提供了不怕故障的存储,从而为超大数据集(Large Data Set)的应用处理带来了很多便利。
高度容错性:HDFS 最核心的架构目标是,错误检测和快速、自动的恢复 。数据会自动保存多个副本。它通过增加副本的形式,而且就算某一副本丢失,HDFS也能自动恢复。
支持大规模数据集: HDFS 应用具有很大的数据集,可以支持整体上高的数据传输带宽,并且能够支撑数以千万集的文件。
支持流式读取数据: 一次写入,多次读取。而且文件一旦写入,就不能进行修改,只能追加。这样很好的保证了数据的一致性。
高吞吐量:吞吐量是指单位时间内完成的工作量。HDFS通过并行处理数据,从而大大减少了处理时间,实现了高吞吐量。
移动计算而非移动数据:一个应用的请求,如果离它操作的数据越近就会越高效,HDFS会把数据位置暴露给计算框架, 提供了将它们自己移动到数据附近的接口。
异构软硬件平台间的可移植性:平台的可移植性,方便用户也方便 HDFS 作为大规模数据应用平台的推广。
二、HDFS 常用命令参数
-help | 输出这个命令参数手册 |
-ls | 显示目录信息 |
-mkdir | 在hdfs上创建目录 |
-moveFromLocal | 从本地剪切粘贴到hdfs |
-moveToLocal | 从hdfs剪切粘贴到本地 |
--appendToFile | 追加一个文件到已经存在的文件末尾 |
-cat | 显示文件内容 |
-tail | 显示一个文件的末尾 |
-text | 以字符形式打印一个文件的内容 |
-chgrp、-chmod、-chown | 同linux文件系统中的用法,对文件所属权限 |
-copyFromLocal | 从本地文件系统中拷贝文件到hdfs路径去 |
-copyToLocal | 从hdfs拷贝到本地 |
-cp | 从hdfs的一个路径拷贝hdfs的另一个路径 |
-mv | 在hdfs目录中移动文件 |
-get | 等同于copyToLocal,就是从hdfs下载文件到本地 |
-getmerge | 合并下载多个文件 |
-put | 等同于copyFromLocal |
-rm | 删除文件或文件夹 |
-rmdir | 删除空目录 |
-df | 统计文件系统的可用空间信息 |
-du | 统计文件夹的大小信息 |
-count | 统计一个指定目录下的文件节点数量 |
-setrep | 设置hdfs中文件的副本数量 |
三、HDFS工作机制
1. HDFS集群包括两大角色:NameNode、DataNode
2. NameNode负责管理整个文件系统的元数据
3. DataNode 负责管理用户的文件数据块
4. 文件会按照固定的大小(blocksize)切分成若干块后,分布式存储于若干台datanode上
5. 每一个文件块能够有多个副本,并存放在不同的datanode上
6. Datanode定期会向Namenode汇报自身保存的文件block信息,而namenode就会负责保持文件的副本数量
7. HDFS的内部工作机制对客户端保持透明,客户端请求访问HDFS都是以通过向namenode申请进行的
HDFS文件写入时:首先要跟namenode通信以确认可以写文件并获得接收文件block的datanode,然后,客户端按顺序将文件逐个block传递给相应datanode,并由接收到block的datanode负责向其他datanode复制block的副本
HDFS文件读取:将要读取的文件路径发送给namenode,namenode获取文件的元信息(主要是block的存放位置信息)返回给客户端,客户端根据返回的信息找到相应datanode逐个获取文件的block并在客户端本地进行数据追加合并从而获得整个文件
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14